بطاقة بعنوان MiniCPM5-15B-A2.5B، بعنوان فرعي: نُقلت بواسطة أربع بيئات تشغيل، وغير قابلة للتنزيل من أيٍّ منها، مع بطاقات معلَّمة بعلامة صح لـ SGLang وllama.cpp وOpenVINO وInfiniLM بجانب بطاقة «لا يوجد مستودع»، وشارات نصها: إجمالي 15B، وA2.5B نشط، ومسودة DSpark موجودة
Engineering & Research

MiniCPM5-15B-A2.5B: نقلته أربع بيئات تشغيل، لكن لا يمكن تنزيله بواسطة أيٍّ منها

الكاتب

Gideon Frost

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

في 2026-11-16 ظهر طلب سحب في llama.cpp بعنوان "xcy/models: إضافة دعم استنتاج MiniCPM5 MoE". إنه عمل متقن — إدخال معمارية جديدة، ومسار تحويل، واختبارات — وقد حمل سطرًا واحدًا في قسم التحقق الخاص به توقف عنده أحد المشرفين: كان المؤلف قد شغّله مقابل "ملفات GGUF الموجودة مسبقًا لـ MiniCPM5-15B-A2.5B" على H800. طرح CISC السؤال البديهي. ليس عامًا بعد على حد علمي؟أجاب tc-mb، الذي تُدرج ملفه الشخصي على GitHub عضويته في مشروعي MiniCPM-V وMiniCPM-o، بكلمة واحدة: "ok". أُغلق طلب السحب دون دمج بعد يومين، ولا يزال النموذج الذي تنتمي إليه تلك الملفات — MiniCPM5-15B-A2.5B، وهو إدخال خليط الخبراء المتناثر في سلسلة MiniCPM5 من OpenBMB — بلا مستودع، ولا بطاقة نموذج، ولا ملف ترخيص، ولا أي إعلان استطعنا العثور عليه في أي مكان.

هذه إذًا مقالة «ما نعرفه حتى الآن»، وشكل الأدلة فيها يهم أكثر من المعتاد. لا توجد صفحة منتج لقراءتها ولا معيار أداء من مورّد للجدال معه. ما هو موجود هو مجموعة من رقع المحركات من أربع حزم استدلال منفصلة، كتبها أشخاص كانت checkpoint أمامهم، إضافة إلى سجلات اختباراتهم. هذا يكفي لوصف بنية MiniCPM5 MoE وصفًا دقيقًا إلى حد بعيد، ولقول شيء صادق عن مدى نضج الدعم. لكنه لا يكفي لإخبارك بما تحققه النموذج من نتائج، ولا كم يكلّف، ولا متى يمكنك تشغيله.

ما الذي يُسمح للاسم بأن يخبرك به

اسم نقطة التحقق هو ورقة المواصفات الوحيدة التي نشرها أي شخص خارج ModelBest. يُقرأ MiniCPM5-15B-A2.5B على أنه 15B من إجمالي المعلمات مع 2.5B نشطة لكل رمز — وهو اصطلاح الإجمالي والنشط الذي استخدمته كل نماذج MoE المتناثرة في فئة الحجم هذه منذ Mixtral. لا شيء في أي رقعة يتعارض مع ذلك، كما أن ملاحظات الاختبار الخاصة بنسخة SGLang المنقولة تشير إلى أن «إعداد نقطة التحقق الأصلية 15B» يُحل دون تعديل، وهو ما يتسق مع ذلك.

كل ما بعد ذلك مجرد تخمين، ويجدر أن نكون صريحين بشأن السبب. تُضيف رقعة SGLang فئةً باسم MiniCPM5Config تشير قيمها الافتراضية إلى 32 طبقة، و4,096 بُعدًا مخفيًا، و32 رأسًا، و64 خبيرًا موجّهًا، وخبيرين مشتركين، وشبكة FFN للخبراء بعرض 1,407. هذه قيم افتراضية للفئة موروثة من قالب GLM-4، وليست قيم نقطة التحقق — فالملف نفسه يفترض افتراضيًا مفردات من 32,000 رمز، وهو ما لم تصدر به أي من نماذج 2026 القريبة من الحدود. لا تقرأها على أنها مواصفات. الرقم الوحيد الذي يبدو أنه قد يكون حقيقيًا هو معامل التحجيم الخاص بالتوجيه 3.66، الذي يظهر في اختبار بنية llama.cpp وفي عيّنة اختبار التحويل؛ والعيّنة تبقى عيّنة، لذا تعامل مع 3.66 على أنه «الرقم الذي كُتبت الاختبارات حوله» بدلًا من ثابت مؤكّد.

العمارة، كما تُقرأ من أربع رقع

تتفق أربع منافذ مستقلة على الوصف نفسه، وهو أكثر ما يبعث على الطمأنينة بشأن هذا التسريب. وتُعدّ رقعة SGLang الأكثر وضوحًا: يتبع النموذج GLM-4.5 MoE، مع ثلاثة اختلافات — انتباه مُبوَّب، وتضمينات دورانية كاملة دون تطبيع q/k، وموجّه يُحسب بنوع البيانات الخاص بالنموذج بدلًا من ترقيته.

• الانتباه المُبوَّب — يُصدر إسقاط الاستعلام بوابة سيجمويد لكل رأس إلى جانب الاستعلام، متداخلة داخل صفوف كل رأس. ويتعيّن على تحويل llama.cpp فصلها عن بعضها موترًا تلو الآخر، وهو ما يفسّر إشارة كلا المنفذين إليه.

• مقدمة كثيفة، ثم خبراء — الطبقات الأولى first_k_dense_replace هي شبكات FFN عادية؛ فقط الطبقات التي تليها توجّه. تشير ملاحظات رقعة fork الخاصة بـ tc-mb إلى أن كلتا المعماريتين القائمتين qwen35moe وminicpm لا تمثلان هذا الشكل، ولهذا احتاج MiniCPM5 MoE إلى إدخال معماري خاص به بدلاً من علامة على إحدى المعماريتين القائمتين.

• خبراء موجّهون بالإضافة إلى خبراء مشتركين — بوابة sigmoid، وأوزان top-k مُطبّعة، وفرع خبراء مشتركين إلى جانب الفروع الموجّهة. يقرأ llama.cpp تحيز تصحيح للموجّه بدقة FP32 (e_score_correction_bias) لكل طبقة MoE، وهو حد التحيز نفسه الذي تستخدمه الموجّهات على طراز DeepSeek للحفاظ على توازن حمل الخبراء.

• تدوير كامل، بدون q/k norm — RoPE بسيط عبر بُعد الرأس، مع الحفاظ على بُعد الرأس صراحةً في التحويل بدلًا من اشتقاقه من الحجم المخفي مقسومًا على عدد الرؤوس.

optimum-intel pull request #2133 showing an optimum-cli export openvino command that names openbmb/MiniCPM5-15B-A2.5B as its input, followed by a WWB text-similarity table

DSpark هو النصف الثاني من القصة، وهو السبب في أن هذا التسريب مثير للاهتمام وليس مجرد مرتب. DSpark هو فك ترميز تخميني بنموذج مسودة مدرَّب — الخوارزمية نفسها التي أصدرتها OpenBMB بالفعل لـ MiniCPM5-2B وMiniCPM-V 4.7 — وتضيف كل من رقعتي SGLang وllama.cpp نموذج MiniCPM5 MoE كـ DSpark هدفًا. وتُشار إلى نقطة تحقق مسودة منفصلة باسم MiniCPM5-15B-A2.5B-DSpark في مثال وثائق llama.cpp، ما يعني أن المسودة موجودة أيضًا، في أي مخزن خاص يوجد فيه الهدف.

أربعة محركات، نقطة تحقق واحدة لم تُصدَر بعد

الجدول الزمني هو ما يجعل هذا الأمر يستحق الكتابة عنه. فعادةً لا تسبق النسخ المنقولة الإصدارَ بهذا القدر عبر هذا العدد من المكدسات التقنية:

• 2026-09-17 — تُتيح رقع Megatron-LM على تفرّع MUSA التعاملَ مع عامل السعة في MoE والتوجيهَ دون إسقاط كخيار افتراضي لـ "minicpm5". وذلك على صعيد التدريب، وهو أقدم أثر وجدناه.

• 2026-10-14 — يفتح InfiniLM التابع لـ InfiniTensor رقعةً تتيح تشغيل MiniCPM5 MoE على خلفية Denglin QY باستخدام FlashAttention ونوى MoE/RoPE للسياق الطويل؛ وتضيف متابعةٌ بتاريخ 2026-11-12 سلامةَ التقاط رسم CUDA ومسار فك ترميز bf16.

• 2026-11-13 — يضيف تفرّع llama.cpp-omni التابع لـ tc-mb بنية MiniCPM5 MoE، وتقوم رقعة ثانية في اليوم نفسه بتوصيل مناطق الخبراء بالمُكمّم. يُبلغ قسم التحقق عن عاصمة فرنسا هي لتكتمل إلى باريس. و17×23 تُعيد 391.

• 2026-11-16 — طلب السحب upstream الخاص بـ llama.cpp. أُغلق في 2026-11-18 دون دمجه، مع دفع مسار التحويل خارج النطاق وإعادة النظر فيه بعد ثلاثة أيام في النسخة المتفرعة.

• 2026-11-19 — تفتح SGLang منفذًا عند 09:39، ثم تغلقه، وتعيد فتحه عند 10:19 ضمن فرع أُعيدت تسميته. في صباح اليوم نفسه، يفتح مهندس من Intel تصحيحًا لـ optimum-intel تكون أول كتلة برمجية فيه أمر تصدير يسمّي openbmb/MiniCPM5-15B-A2.5B كمدخل له.

Scoreboard titled MiniCPM5-15B-A2.5B — what the patches measured, listing weights tested BF16 Q8_0 and Q4_K_M, drafts accepted on one H800 at TP=1, tokenizer match of 8 of 8 samples, CPU versus CUDA NMSE of 1.00e-06, OpenVINO int4 similarity of 0.8710, and no published benchmark score

هذا الأخير هو أقرب شيء إلى الدليل الدامغ. فرقعة optimum-intel لا تصف نموذجًا افتراضيًا — بل تشغّل optimum-cli export openvino -m openbmb/MiniCPM5-15B-A2.5B --weight-format int4 وتُبلّغ عن الدقة مقارنةً بالأصل. من كتبها كانت لديه الأوزان. مسار Hub الذي تسمّيه لا يعيد شيئًا لطلب مجهول الهوية، ولا يزال ملف README الخاص بـ MiniCPM من OpenBMB نفسها يسرد 2026-09-07 و2B كأحدث إصدار، دون أي إدخال MoE في أي مكان من جدول النماذج الخاص به.

ما تُظهره سجلات الاختبار في الواقع

هذا هو الجزء الذي ينبغي قراءته ببطء، لأن الأرقام الواردة في هذه الرقع ليست معايير قياس، بل فحوصات هندسية، واثنان منها يمثلان إخفاقًا.

تشغيل llama.cpp هو الأشمل. أنتجت أوزان BF16 وQ8_0 وQ4_K_M جميعها رموز مسودة DSpark وتم قبولها على H800 مع ضبط المسودة عند --spec-draft-n-max 2. طابقت ثماني عينات من المُرمِّز نظيرها في Hugging Face تمامًا. وكان NMSE بين CPU وCUDA في اختبار البنية الاصطناعية 1.00e-06. ثم يأتي التحفظ، بكلمات المؤلف نفسه: إن فك الترميز الجشع العادي وDSpark "أظهرا اختلافات على مستوى الرمز"، والسبب "لم يتم توصيفه بالكامل"، وتكافؤ المخرجات "غير مُثبت". لا يوجد تشغيل للتحقق من تطابق logits مع نقطة التفتيش الأصلية، ولا تقييم جودة، ولا رقم أداء. يصرح المؤلف بوضوح بأنه لا يتم تقديم أي ادعاء بتسريع.

تشغيل SGLang أكثر إفادة لأنه يعزل متغيرًا. مع انتباه Triton، نفّذ DSpark 93 خطوة تحقق عبر أربع توليدات من 64 رمزًا، واختلف عن فك التشفير العادي في كل مُدخل. مع انتباه FA3، أنتجت نقطة التحقق نفسها بحجم 15B والمسودة معرّفات رموز جشعة متطابقة في الأربعة جميعًا. لا يزال تباين Triton مفتوحًا في التصحيح كما هو مكتوب. اقرأ ذلك على حقيقته: اختلاف في مسار نواة وجده شخص ما ولم يفسّره بعد، وليس تصريحًا عن النموذج.

أرقام OpenVINO هي الإشارة الكمية الوحيدة للجودة في المجموعة بأكملها، وهي متواضعة. وبالمقارنة مع النموذج الأصلي في FP32 عبر 26 مطالبة و128 رمزًا جديدًا، كانت درجة تشابه النص لدى WWB هي 0.9934 لـ bf16 على CPU، و0.9455 لـ int8 و0.8710 لـ int4 ضمن الواجهة الخلفية GenAI SDPA؛ وعلى GPU من طراز B70، بلغت 0.9498 لـ int8 و0.8646 لـ int4. إن تحويل int4 الذي يستقر عند 0.87 هو نتيجة وفاء التحويل — فهو يقول إن الرسم البياني المكمَّم ينحرف عن المرجع، وليس أن المرجع جيد. لم ينشر أحد درجة اختبار قياس أداء لـ MiniCPM5-15B-A2.5B، وإلى أن يفعل ذلك أحد، لا يوجد أساس لتسميته قويًا أو ضعيفًا.

llama.cpp pull request #32386 whose validation section begins Tested pre-existing MiniCPM5-15B-A2.5B GGUFs and lists Q8_0, Q4_K_M and DSpark results, with a Limitations note stating no speedup claim is made

أين سيكون موضعه إذا تم طرحه

تُعدّ سلسلة MiniCPM5 من OpenBMB، حتى الآن، حجةً حول الكثافة. فقد شُحن طراز 1B في 2026-05-19 وطراز 2B في 2026-09-07، وكلاهما كثيف، وكلاهما بترخيص Apache-2.0، وكلاهما مبني للنشر على الأجهزة — وطراز 2B هو LlamaForCausalLM عادي بلا نوى مخصصة، وهذا تحديدًا سبب نقله إلى llama.cpp وMLX وONNX ونحو نصف دستة من سلاسل أدوات NPU خلال أسابيع. وسيكون شقيق بإجمالي 15B و2.5B نشط أول MiniCPM5 ليس نموذجًا طرفيًا: الميزانية النشطة نفسها لدى 2B، ونحو ستة أضعاف الأوزان المخزنة، وطبقة توجيه لا بد أن تُخدَم جيدًا لتستحق ذاكرتها.

هذا التأطير يفسّر أيضًا الشكل الغريب لهذا التسريب. فإذا كان MiniCPM5 MoE موجّهًا إلى الخدمة بدلًا من الهواتف، فإن عمليات نقل المحركات ليست ميزة كمالية تُشحن بعد الإطلاق — بل هي شرط مسبق للإطلاق، وهناك من ينفّذها مبكرًا. إن كون الحساب نفسه على GitHub قد فتح كلًا من نسختي llama.cpp وSGLang، وكون أحد أعضاء مشروع MiniCPM يدمج رقع التفرع، ووجود نقطة حفظ مسودة بالفعل لـ DSpark، كلها تشير في الاتجاه نفسه: هذا نموذج يُعدّه للإطلاق أشخاص لديهم وصول إليه، لا شائعة جُمعت من سجلات التغييرات.

ما الذي قد يغيّر هذه الصورة؟

ثلاثة أمور، مرتبة بحسب مقدار ما ستحسمه.

أولًا، مستودع. إن صفحة على Hub أو ModelScope تضم إعدادات وترخيصًا وبطاقة من شأنها أن تحوّل معظم الفقرة أعلاه من استنتاج إلى حقيقة، وستوفّر فورًا للإعدادات الافتراضية التي حذّرت منها ما يمكن التحقق منه مقابلها.

ثانيًا، معيار أداء من مصدر أولي. حملت بطاقة MiniCPM5-2B متوسطًا على المجموعة قدره 53.9 وخلايا لكل مهمة في LiveCodeBench وAIME وSWE-bench؛ أما طراز 15B-A2.5B الذي لا يملك جدولًا مكافئًا فهو طراز يظل فيه عرض قيمته بأكمله غير مقيس. وستفي بذلك إضافةٌ في Artificial Analysis، لأنها مستقلة عن البائع.

ثالثًا، منفذ مدمج. كل رقعة موصوفة هنا إما مغلقة، أو مسودة، أو موجودة على تفرع خاص. إن الدعم الذي يوجد فقط في طلب سحب غير مدمج هو دعم لا يمكنك تثبيته، وكما يُظهر التباعد بين Triton وFA3، فإن الصحة على هذه البنية لا تزال تُثبَت نواةً بنواة.

النتيجة العملية للقارئ اليوم بسيطة: لا شيء لتنزيله، ولا شيء لاستدعائه، ولا شيء للترحيل إليه. ما يغيّره نموذج كهذا عندما يصدر فعلاً هو القرار المتعلق بمكان تشغيل عبء العمل، وهذا القرار يُتخذ عادةً تحت ضغط الوقت وبأدلة ناقصة — وهي الحالة التي توجد طبقة توجيه من أجلها. تضع OrcaRouter أكثر من 200 نموذج مستضاف خلف واجهة API واحدة بسعر قائمة أسعار المزوّد دون أي هامش ربح مضاف، لذا فإن المقارنة التي قد ترغب في إجرائها، هذه النقطة المرجعية مقابل أي شيء تستدعيه اليوم، لا تكلف شيئًا لإعدادها بمجرد أن يستضيفها أحد؛ التحويل التلقائي عند الفشل يعني أن نموذج الأسبوع الأول لا يضطر أبدًا إلى حمل مسار إنتاجي بمفرده. لا شيء من ذلك يتطلب أن يكون MiniCPM5-15B-A2.5B متاحًا، ونحن لا نقدمه — إنه شبكة الأمان حول النماذج التي تعتمد عليها بالفعل بينما يثبت نموذج غير مُصدَر نفسه.

حتى ذلك الحين، الخلاصة الصادقة هي تلك التي أعطتنا إياها سلسلة نقاش llama.cpp: ملفات GGUF موجودة، لكنها ليست عامة. لقد كتبت أربع بيئات تشغيل بالفعل الشيفرة اللازمة لتحميلها. راقب صفحة منظمة OpenBMB وطلبي السحب المفتوحين، بهذا الترتيب — فظهور مستودع هو الإشارة، ودمج عملية نقل هو التأكيد على أن البنية هي ما تقوله هذه الرقع.